Sistema de recomendación para productos bancarios con técnicas de machine learning

El comercio electrónico se ha incrementado en estos últimos años, lo que ha llevado que varios sectores comerciales usen los recursos tecnológicos disponibles para mejorar sus estrategias de marketing y ventas. Uno de los sectores que poco a poco ha incursionado en la tecnología es el sector bancario, brindando diferentes canales de comunicación para sus clientes, esto con el fin de mejorar la interacción que tienen con el banco a través de plataformas web y móviles. Poder ofrecer todos los productos y servicios que un banco tiene disponible de una manera personalizada a cada uno de sus clientes, es un reto, esto debido a la gran cantidad de tiempo y dinero que pueden demandar estas tareas. Una de las soluciones para este problema son los sistemas de recomendación, que pueden brindar sugerencias personalizadas a cada uno de los clientes de una manera automática. Por estas razones, este proyecto presenta una propuesta para la recomendación personalizada de productos bancarios a través de técnicas de aprendizaje automático, o machine learning. Este trabajo está basado en la competencia de recomendación de productos bancarios ofrecida por el Banco Santander a través de Kaggle, que tiene como objetivo la recomendación efectiva de productos bancarios que un cliente pueda añadir a los productos que ya tiene. Para lograr esto, se plantea un flujo de tareas, que incluye analítica y procesamiento de datos, y la creación y validación de modelos predictivos. Para la validación de estos modelos se usaron los datos que ofrece la competencia, en los que se encuentran registros de un poco más de 950.000 clientes en un período de un año y medio. El mejor modelo que se obtuvo tiene un rendimiento del 69,12% como promedio de pruebas realizadas con datos de seis meses diferentes.

• Autores: Martinez Lizarazo, Sergio
• Tipo de recurso: http://purl.org/coar/version/c_b1a7d7d4d402bcce
• Fecha de publicación: 2018
• Institución: Universidad Industrial de Santander
• Repositorio: Repositorio UIS
• Idioma: spa
• OAI Identifier: oai:noesis.uis.edu.co:20.500.14071/38590
• Acceso en línea: https://noesis.uis.edu.co/handle/20.500.14071/38590; https://noesis.uis.edu.co
• Palabra clave: Sistema De Recomendación; Análisis De Datos; Aprendizaje Automático; Ingeniería De Características; Árboles De Decisión; Bosques Aleatorios; Recommender System; Data Analytics; Machine Learning; Feature Engineering; Decision Tree; Random Forest.
• License: Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)